关于时滞细胞神经网络稳定性的一个改进结果

在文章[1]中,作者提出了关于时滞细胞神经网络存在唯一平衡点和全局渐近稳定性的充分条件。本文主要指出了文章[1]中相关结论的不足,并改进了建立在线性矩阵不等式基础上的时滞细胞神经网络全局渐近稳定的结果。此外,这些关于时滞细胞神经网络时滞依赖的全局渐近的稳定性的新结果可以保证系统的指数渐近稳定性。     

时变时滞细胞神网络的稳定性分析

本文研究了一类具有时变时滞的细胞神经网络的稳定性问题,利用新的Layapunov Krasovskii函数,给出了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,通过对矩阵特征值的应用,得到了一个新的LMI的应用形式,改善了LMI的应用。最后,数值算例说明了本文结果的优越性。     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究,利用变换()()t i i z t y e,将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络。通过构造合适的Lyapunov泛函,给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件,并给出例子验证所得结论的正确性。     

时滞BAM神经网络的p-类全局指数稳定性分析

首先给出了P-类全局指数稳定的概念，在激励函数满足全局Lipschitz连续的条件下，利用不等式和分析技巧获得了具有时滞的BAM神经网络P-类全局指数稳定的充分条件，给出了指数收敛速率指标所满足的代数方程，仿真实例说明了方法的有效性．     

分布时滞Hopfield神经网络稳定性

针对分布时滞的Hopfield型神经网络构造了李雅普诺夫能量函数,证明了该网络的稳定性问题。证明过程中运用了引理的结论,充分利用了所取李雅普诺夫函数的特殊性,较多地运用了不等式分析方法及不等式放缩技巧。同时由于时滞的存在,证明过程中还涉及李雅普诺夫泛函问题。最后利用引理的结论得出了该网络全局一致渐近稳定的结论。     

时滞BAM神经网络稳定性分析

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题。通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了该结论的可行性和有效性。     

脉冲时滞神经网络的稳定性分析

通过研究带有脉冲的神经网络的稳定性问题。对网络系统进行研究，根据脉冲的特点，采用Lyapunov稳定性理论和一些矩阵分析的技巧，得到了神经网络的稳定性结论，说明脉冲时滞的稳定性问题是网络本身的特性，最后通过数值算例验证了论文的可行性和有效性。     

一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Ｈｏｐｆｉｅｌｄ神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

具有控制时滞的滞后型Lurie控制系统的绝对稳定性判据

通过构造适当的Lyapunov泛函,结合不等式分析的技巧,得到了具有控制时滞的滞后型Lurie控制系统绝对稳定的时滞无关和时滞相关条件,这些条件用线性矩阵不等式表示,易于验证且保守性低,最后通过实例验证了所得结果的有效性.     

一类不确定非线性时滞系统的鲁棒控制

研究了一类带有不确定非线性时滞系统的鲁棒渐近稳定问题.利用李亚普诺夫稳定性定理和线性矩阵不等式工具,得到了此类系统鲁棒渐近稳定的充分条件,并给出相应的鲁棒状态反馈控制器设计.最后仿真示例表明了该方法的有效性.     

具有时滞的非线性系统的k-全局稳定性

研究了具有时滞的非线性系统的稳定性问题，利用不等式分析技巧和常数变易法，给出了具有时滞的非线性系统的ｋ－全局指数稳定性的充分条件。并举例说明了所得结论的优越性     

神经网络的滚动轴承故障诊断

文章通过旋转机械故障实验平台,采集旋转机械故障实验台轴承的3种工作状态分别是轴承正常、轴承内圈裂缝、轴承外圈裂缝的振动加速度信号.对信号进行零均值化处理后,选择频率成分幅值较大的频率进行信号重组,提取其时域量纲特征值,利用神经网络进行故障类型的识别；通过实验,取得了很好的诊断结果.     

基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题.各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化.BP神经网络容易陷入局部最优,而且训练时间较长.文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指.     

神经网络在高速超精轴系故障诊断中的应用

讨论了ＢＰ神经网络神经元开关函数饱和参数的选择问题,建立了ＢＰ神经网络的容错能力、全局性能与收敛速率之间的关系,并提出了一个如何应用这些关系来合理选择神经元开关函数饱和参数的方法模拟试验研究和分析结果表明,本文提出的合理选择神经元开关函数的方法可以有效地帮助ＢＰ神经网络技术解决诊断中复杂的模式分类问题。     

阴极射线管色度转换的神经网络模型

利用神经网络技术实现了从阴极射线管(CRT)的R、G和B空间到CIE的标准色度空间的转换.用拟牛顿法训练网络模型,建立了从CRT的R、G和B到CIE的X、Y和Z色度空间变换的3 10 10 3神经网络模型.采用7点LOG空间分布方案的343个训练样本建模的试验表明,收敛性与训练时间及模型精度均优于前人采用3~4个隐层的方案,343个训练样本、216个检验样本和64组测试样本的平均转换精度分别为0.6个CIELUV色差单位,说明该模型的泛化能力很好.     

模糊CMAC神经网络用于单输入输出非线性系统的鲁棒自适应反馈线性化

在已知名义系统的基础上,将模糊ＣＭＡＣ（小脑模型关联控制器）神经网络用于一类状态反馈可线性化的单输入单输出（ＳＩＳＯ）连续时间非线性系统的鲁棒自适应反馈线性化,使系统获得要求的跟踪性能．在很弱的假设条件下,应用李雅普诺夫稳定性理论证明了闭环系统内的所有信号为ＵＵＢ（均匀最终有界）．     

基于过程神经网络的六维力传感器动态解耦研究

六维力传感器动态解耦方法主要集中于不变性动态解耦方法和迭代解耦方法,其解耦效果取决于建模精度,强耦合情况下解耦误差大,工程实现复杂.文章针对这一问题提出一种基于过程神经网络动态解耦算法,将六维力传感器输入输出及网络权函数进行相同正交基展开,简化计算过程,求解六维力传感器输出输入耦合关系.实验结果表明,过程神经网络在六维力传感器动态解耦中应用效果良好,为动态解耦提供了一种新方法.     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.